Разработать, адаптировать или взять готовое: российский рынок генеративного ИИ

Две трети крупных российских компаний уже внедрили генеративный ИИ хотя бы в одну бизнес-функцию — такие данные приводит отчёт «Искусственный интеллект в России – 2025», опубликованный к открытию Петербургского международного экономического форума.

Своя модель — роскошь для избранных

Обучение одной передовой модели обходится в десятки, а порой и сотни миллионов долларов. Такие ресурсы есть лишь у банков, страховых компаний и крупных фондов. В России моделей, обученных с нуля, насчитывается всего три-четыре. Крупнейшие игроки — «Яндекс» с семейством YandexGPT и новой линейкой Alice AI, а также «Сбер» с текстовым GigaChat и генератором изображений Kandinsky. «Яндекс» сейчас работает над омнимоделью, объединяющей разные типы данных в единую архитектуру.

Адаптация вместо разработки

Большинство компаний не создают собственные модели, а дообучают существующие под внутренние данные и бизнес-процессы. Такой подход сокращает сроки запуска до одного-четырёх месяцев и существенно снижает затраты. Сбор и подготовка данных при этом занимают от 60 до 80% всего времени реализации проекта.

Индивидуальный подход особенно востребован в медицине, логистике, высокотехнологичном производстве и кибербезопасности — там, где универсальные модели не учитывают отраслевую специфику. Например, «Лаборатория Касперского» выбрала GigaChat 2.0 для своего ИИ-ассистента KIRA: при серьёзных инцидентах счёт идёт на минуты, и качество анализа напрямую влияет на скорость реагирования.

Open-source как стандарт

Около 86% компаний, внедряющих большие языковые модели, используют open-source решения — из-за достаточного качества, отсутствия санкционных ограничений и прямых платёжных обязательств. «Т-технологии» на базе Qwen 3 32B создали T-Pro 2.0, Avito адаптировала Qwen3-8B-Base под русский язык и собственный домен — модель A-Vibe уже обеспечивает до 30% готовых к покупке клиентов в автосегменте.

Рынок движется не к доминированию одной технологии, а к гибридной архитектуре: собственные фундаментальные разработки, коммерческие облачные сервисы и open-source решения сосуществуют одновременно. Выбор подхода всё чаще определяется требованиями бизнеса к стоимости, безопасности и контролю над данными.

Мнение ИИ

Исторический контекст здесь весьма показателен: российский бизнес повторяет траекторию, которую прошла индустрия корпоративного программного обеспечения в 2000-е — массовый переход на Linux именно там, где западные лицензии стали недоступны или дороги. Цукерберг предсказывал, что открытый ИИ пойдет по пути Linux — и российский рынок, судя по всему, стал первым полигоном для проверки этого тезиса в промышленных масштабах. Санкционное давление, которое воспринималось как ограничение, по факту сыграло роль акселератора для экосистемы open-source.

Между тем за кадром остается критически важный технический риск: 60–80% времени проекта уходит на подготовку данных — а это означает, что качество корпоративного ИИ в России прямо зависит от зрелости внутренней культуры управления данными. Там, где она не сложилась, красивые цифры внедрения могут скрывать модели, обученные на «мусорных» данных. Станет ли гибридная архитектура устойчивым конкурентным преимуществом или временным компромиссом — покажет следующий цикл консолидации рынка.