Стратегический консультант в международной ИТ-компании Алексей Потапов — о том, почему ИИ уже не игрушка, а вопрос выживания, и как внедрить инновации в свой бизнес
Рынок нейросетей перешел от экспериментов к массовой коммерческой реализации — их все активнее используют в банках, ритейлах и даже госсекторе, а по данным аналитиков , к 2028 году экономический потенциал от использования ИИ бизнесом, в том числе средним и малым, в России может достигнуть 36 трлн рублей. Однако часть компаний разного масштаба обожглась на попытках внедрить нейросети, получив красивые отчеты, но нулевой финансовый результат.
О том, как корпорациям сэкономить миллионы рублей и время с помощью нейросетей, и почему правильно настроенный ИИ влияет еще и на репутацию, рассказал Алексей Потапов — стратегический консультант японской консалтинговой корпорации NTT Data, которая в 2026 году, по оценке Brand Finance, вошла в пятерку самых ценных ИТ-сервисных брендов мира. Потапов помогает встраивать нейросети в процессы промышленных гигантов разных стран, руководя проектами с прибылью в десятки миллионов долларов, и нашел способ решить проблему бюрократии, свойственной крупным компаниям, для ускоренного внедрения новаций.
— Сегодня все обсуждают нейросети, которые рисуют картинки или пишут стихи. Но вы работаете с «тяжеловесами» экономики — промышленными и энергетическими корпорациями. В какой момент для гигантов уровня ваших клиентов ИИ перестал быть экспериментом, превратившись в значимый бизнес-инструмент?
— Это можно сравнить с первыми видеокамерами в мобильниках: сначала все снимали котиков, а потом это стало инструментом, который перевернул журналистику, медиа и кино. На первом этапе — в 2023 и примерно до середины 2024 — крупные компании относились к генеративному ИИ как к чему-то интересному, но скорее демонстрационному. Прежде чем допустить такие технологии в критически важные процессы, бизнес внимательно изучал риски, вопросы безопасности данных и регуляторные ограничения. Для многих это оставалось зоной эксперимента и технологического хайпа, а не полноценным бизнес-инструментом. Переломный момент наступил тогда, когда ИИ начал давать измеримый эффект - снижение времени на подготовку технической документации, ускорение обработки заявок, оптимизация закупок, помощь инженерам в анализе данных, автоматизация клиентских коммуникаций.
— В одном из проектов, которыми вы руководили, внедрение ИИ позволило компании в разы сократить расходы, но интересно, что концепцию внедрения вы разработали буквально за полтора месяца — это звучит как спринт в мире, где корпорации привыкли внедрять инновации годами. Что нужно для преодоления бюрократии?
— Во-первых, нужно устранить коммуникационные барьеры. Бюрократия в крупных компаниях часто питается неопределенностью и страхом ответственности. Важно убрать многоступенчатые согласования «по цепочке», заменив их прямым диалогом. Во-вторых, не нужно пытаться внедрить ИИ во все и сразу. Это верный способ погрязнуть в доработках. Лучше выбрать один участок, где потери компании максимально очевидны. В-третьих, важен правильный масштаб амбиций. Мы не продавали идею «цифровой революции», мы предлагали конкретное бизнес-решение конкретной проблемы. Когда разговор идёт не об ИИ как модной модной технологии, а о сокращении расходов на X процентов или высвобождении Y часов рабочего времени, бюрократия начинает уступать место рациональности.
— При этом у компании в том случае не было даже чётко сформулированного кейса применения ИИ. В чём, на ваш взгляд, ключевой риск, который может превратить перспективный AI-проект в дорогую, но бесполезную инициативу?
— Главная ошибка — начинать с технологии, а не с проблемы. В том проекте у клиента был бюджет, он хотел опробовать ИИ, но не понимал, где именно это даст ценность. Если бы мы просто внедрили модный инструмент, это действительно могло бы остаться красивой демонстрацией без реального эффекта. Нужно начинать не с модели, а с диалога — с руководством, инженерами, дилерами. Выяснилось, что их специалисты ежедневно работают с техническими руководствами объёмом 500–1000 страниц. Поиск информации занимал много времени и напрямую влиял на скорость обслуживания клиентов. Тогда мы предложили решение в формате «ChatGPT для технической документации» — инструмент, который позволял инженерам задавать вопросы к мануалам в разговорной форме и при этом получать ссылки на первоисточник. Это было критически важно: в промышленности доверие и проверяемость информации стоят выше удобства.
В итоге, прототип был реализован за 5 недель и сократил время поиска информации более чем на 50%. Но ещё важнее — мы показали бизнесу, как ИИ может встроиться в существующие процессы, а не заменить их абстрактно. Успешный AI-проект — это не про вау-эффект. Это про измеримый результат, доверие пользователей и масштабируемость. Всё остальное — вторично.
— В составе судей вы отбирали инновационные проекты на конкурсе стартапов SEC, в котором участвуют лучшие студенты вузов США. Глядя на новое поколение предпринимателей, какие тренды в области ИИ и технологий, на ваш взгляд, станут «золотым стандартом» бизнеса лет через 5-10?
— Если ещё несколько лет назад стартапы строились вокруг идеи «AI как функция», то сейчас появляется поколение компаний, которые строят «AI как автономного участника процесса». На мой взгляд, в горизонте 5–10 лет золотым стандартом станут ИИ-агенты — системы, которые не просто анализируют данные и дают рекомендации, а самостоятельно выполняют задачи в рамках заданных правил. Например, сегодня система может уведомить, что на складе заканчиваются детали. Завтра она сама проверит прогноз спроса, найдёт поставщика, сравнит условия, инициирует закупку и оформит заказ — с контролем со стороны человека, но без ручной рутины на каждом шаге.
Это фундаментальный переход: ИИ перестаёт быть инструментом поддержки и становится цифровым сотрудником.Вторая тенденция — вертикализация ИИ. Побеждать будут не универсальные решения, а глубоко отраслевые модели: для промышленности, медицины, энергетики, финансов.
— Вы консультируете клиентов по вопросам использования ИИ и цифрового производства для гигантов из совершенно разных областей экономики. Где нейросети будут давать самый быстрый и ощутимый эффект в рублях в ближайшие годы?
— Самый быстрый и измеримый эффект ИИ даёт там, где есть три условия: большой объём данных, повторяющиеся процессы и высокая стоимость ошибки. В первую очередь это финансовый сектор. Там огромные массивы структурированных данных, и даже небольшое улучшение модели оценки риска или антифрода может привести к существенной экономии.
Второе направление — промышленность и энергетика. Здесь эффект часто связан не столько с выручкой, сколько с оптимизацией затрат: предиктивное обслуживание оборудования, анализ технической документации, ускорение работы сервисных инженеров, снижение простоев. Даже сокращение простоя на несколько процентов в капиталоёмкой отрасли превращается в серьёзные деньги. Важно понимать: основной эффект в ближайшие годы будет не в «революции», а в системной оптимизации. ИИ не заменит весь бизнес, но постепенно станет стандартным инструментом повышения эффективности — как когда-то стали ERP-системы.
— Многие считают, что консалтинг — это только советы, но ваши кейсы включают полный цикл реализации: вы руководите разработкой предложений и презентация для руководства, делаете стратегическое планирование для многомиллионных проектов, привлекаете новых клиентов. Как вам удалось сломать этот стереотип и превратить консалтинг в инструмент, который физически меняет работу компаний?
— Стереотип появился не случайно — действительно, часть проектов заканчивается только красивыми отчётами. Но проблема чаще всего не в консультантах, а в разрыве между стратегией и операционной реальностью. Чтобы консалтинг менял компанию, нужно три вещи.
Во-первых, говорить с бизнесом на языке финансов, а с техническими командами — на языке архитектуры и процессов. Если консультант понимает только стратегию, но не понимает, как устроены данные и инфраструктура клиента, внедрения не произойдёт.
Во-вторых, необходимо доводить проект до измеримого результата. В одном из наших проектов для промышленного клиента мы не ограничились рекомендацией «внедрить GenAI», а вместе с командой разработали и запустили прототип, который сократил время работы инженеров с технической документацией более чем на 50%. Именно цифры меняют отношение к проекту. И в-третьих, важно выстраивать партнёрство, а не разовую услугу. Ценность консультанта не в слайдах, а в способности соединить стратегию, технологию и практическую реализацию.
— Крупные компании уже активно внедряют ИИ, а малый и средний бизнес часто не понимает, с чего начать. Как предпринимателю самостоятельно подойти к цифровизации, если компания пока работает «по старинке»?
Малому и среднему бизнесу не нужно изобретать собственный ИИ. Разработка своих моделей требует бюджета, команды и времени. На практике эффективнее выбирать готовые AI-native решения или привычные бизнес-системы — CRM, бухгалтерские сервисы, инструменты поддержки — где ИИ уже встроен. Это позволяет получить быстрый и измеримый эффект без масштабных инвестиций и технологических рисков.
Василий Черный