Искусственный интеллект вступает в новую практическую стадию: от горячих обсуждений до реализации продуктов

С развитием технологий искусственного интеллекта внимание отрасли сместилось с теоретических обсуждений на практическое применение. Создание масштабируемых AI-продуктов становится ключевой областью конкуренции для предприятий. Последний опубликованный отчет «Состояние AI в 2025 году» сосредоточен на полном жизненном цикле AI-продуктов, от замысла, разработки до масштабной эксплуатации, предоставляя предприятиям всесторонние рекомендации по внедрению.

Этот отчет основан на глубоких исследованиях 300 руководителей программных компаний и включает профессиональные мнения лидеров отрасли в области ИИ, предлагая стратегическую дорожную карту для предприятий по преобразованию преимуществ технологий ИИ в устойчивое конкурентное преимущество.

Вот пять основных выводов, извлеченных из отчета:

1. Стратегия AI-продуктов переходит в новую зрелую стадию

В отличие от компаний, которые просто интегрируют AI-функции в свои существующие продукты, компании, сосредоточенные на AI, значительно быстрее продвигают свои продукты. Данные показывают, что 47% AI-ориентированных компаний достигли критического масштаба и подтвердили рыночный спрос, тогда как среди компаний с интегрированными AI-продуктами только 13% достигли этого уровня.

Основные тенденции: рабочие процессы с умственными агентами и вертикальные приложения становятся центром внимания. Почти 80% разработчиков, работающих с ИИ, нацелены на создание ИИ-систем, которые могут представлять пользователей и выполнять многоэтапные задачи.

Стратегия реализации: компании обычно используют многомодельную архитектуру для оптимизации производительности, контроля затрат и адаптации к конкретным сценариям применения. В продуктах, ориентированных на клиентов, каждый респондент в среднем использует 2,8 моделей.

2. Модель ценообразования ИИ отражает уникальные экономические характеристики

ИИ меняет способы ценообразования продуктов и услуг в бизнесе. Исследования показывают, что многие компании применяют смешанные модели ценообразования, добавляя к базовой подписке платежи, основанные на использовании. Некоторые компании также исследуют полностью основанные на фактическом использовании или результатах для клиентов модели ценообразования.

В настоящее время многие компании все еще бесплатно предоставляют функции ИИ, но более 37% предприятий планируют в течение следующего года скорректировать ценовую политику, чтобы цена более соответствовала получаемой клиентами ценности и использованию функций ИИ.

3. Стратегия талантов как дифференцированное преимущество

Искусственный интеллект является не только техническим вызовом, но и организационным. В настоящее время ведущие команды обычно формируют межфункциональные группы, состоящие из инженеров по ИИ, инженеров по машинному обучению, ученых данных и менеджеров продуктов по ИИ.

Будущее: большинство компаний ожидает, что 20-30% сотрудников инженерной команды будет сосредоточено на ИИ, в высокоразвивающихся компаниях эта доля может достигать 37%. Тем не менее, набор кадров остается серьезным узким местом. Средний срок набора ИИ и инженеров по машинному обучению превышает 70 дней, что является самым длительным среди всех вакансий, связанных с ИИ.

Существует разногласие в ходе набора: 54% опрошенных заявили, что процесс отстает, основной причиной является недостаток квалифицированных кадров.

4. Значительный рост бюджета на ИИ влияет на финансовое состояние компании

Компании, использующие технологии ИИ, вкладывают 10%-20% своих исследовательских и Entwicklungsbudgets в область ИИ, и к 2025 году компании всех размеров показывают устойчивый рост. Этот стратегический сдвиг подчеркивает, что технологии ИИ стали основным движущим фактором в стратегическом планировании продуктов.

С увеличением масштабов AI-продуктов структура затрат также претерпевает значительные изменения. На ранних этапах стоимость человеческих ресурсов занимает основную долю расходов, включая затраты на набор персонала, обучение и повышение квалификации. Когда продукт достигает зрелости, затраты на облачные услуги, моделирование выводов и соблюдение нормативных требований займут основную долю расходов.

5. Масштаб применения ИИ внутри компаний увеличивается, но распределение неравномерное

Несмотря на то, что большинство опрошенных компаний предоставляют внутренние инструменты ИИ примерно 70% сотрудников, фактически регулярно используют эти инструменты только около половины. Крупные зрелые компании сталкиваются с большими трудностями в стимулировании сотрудников использовать ИИ.

Компании с высокой степенью использования (более 50% сотрудников используют инструменты ИИ) в среднем разворачивают ИИ в семи и более внутренних сценариях, включая помощников по программированию (77% использования), генерацию контента (65%) и поиск документов (57%). Увеличение производительности в этих областях составляет от 15% до 30%.

Экосистема AI-инструментов постепенно зрелая

Исследование показывает, что в настоящее время технические рамки, библиотеки и платформы, которые фактически работают в производственной среде, все еще разнообразны. Основные инструменты включают:

• Обработка данных: Pandas, NumPy, Apache Spark
• Фреймворки машинного обучения: PyTorch, TensorFlow, Scikit-learn
• Глубокое обучение: Transformers, JAX
• Модельные сервисы: MLflow, Kubeflow
• Векторные базы данных: Pinecone, Weaviate
• Инструменты разработки: GitHub Copilot, Replit
• Разработка LLM: LangChain, LlamaIndex

Эти инструменты отражают реальные выборы разработчиков в различных областях применения ИИ и предоставляют ориентиры для компаний по созданию ИИ-продуктов.