GenAI в бизнесе: самые важные сценарии в 2025 году

Генеративный искусственный интеллект отличается от обычного ИИ тем, что умеет создавать новый контент. Традиционно ИИ работал в классических рамках: от анализа до классификации явлений и вещей, сопоставления объектов, распознавания и прогнозирования. Главным его преимуществом перед живыми специалистами были почти не ограниченные вычислительные возможности.

GenAI стал следующей ступенькой в эволюции ИИ, так как такие нейросети уже способны воссоздавать объекты и распознавать контекст. Это возможно потому, что в их основе лежат алгоритмы машинного обучения и большие языковые модели (LLM). Чем больше данных, на которых учится модель, тем качественнее она учитывает контекст ситуации и умеет адаптироваться. То есть, если ИИ работает преимущественно по прописанным сценариям и правилам, то GenAI может импровизировать. Например, при составлении промта для генеративного ИИ можно не обозначать все особенности желаемого результата. Нейросеть сама предложит варианты фона или иные детали.

Распространение GenAI в бизнесе: клиентская поддержка как главный тренд

Многие исследования говорят о том, что инструменты на основе генеративного ИИ уже применяет большинство российских компаний. Так, VK Predict и консалтинговое агентство Prognosis опросили 200 компаний среднего и крупного бизнеса в разных отраслях (ритейл, финансовая сфера, девелопмент, FMCG), и 70% респондентов заявили, что используют ИИ в своей работе.

Наиболее часто компании повышают таким образом эффективность клиентской поддержки и упрощают генерацию контента (в этом контексте, на первом месте — заполнение карточек продуктов и услуг, также GenAI используется при создании креативов, в продуктовом маркетинге, при работе с базами знаний). Например, ИИ-платформы могут анализировать предпочтения клиентов, данные о частоте покупок и средних чеках, иные параметры. Эта маркетинговая информация помогает компаниям прогнозировать спрос и персонализировать продажи.

При этом исследование VK показало, что применение GenAI сильно отличается в разных отраслях. В ритейле он используется чаще всего в клиентской поддержке и для генерации карточек продуктов. В целом ритейлеры стремятся улучшать с помощью ИИ клиентский опыт.

Игроки в сфере FMCG чаще других применяют GenAI для поиска в сети и во внутренних базах знаний (системах по управлению знаниями). Финансовые компании преимущественно используют его в клиентской поддержке и при разработке текстовых креативов. Бизнес в сфере девелопмента применяет генеративные нейросети для развития продуктов, генерации продуктовых гипотез и анализа рынка.

Исследование компании-разработчика программных решений Naumen показало, что наиболее активно диалоговый ИИ используют ритейлеры и банковские организации. Среди первых чат-ботов с GenAI внедрили 42% респондентов, среди вторых — 27%. Голосовых помощников наиболее часто используют медицинские организации (50%), чуть меньше — банки (21%).

Интересно сопоставить следующие цифры. По результатам исследования «Яков и партнеры», в 2023 году GenAI использовало 20% российских крупных компаний. В 2025 году, по данным этой же исследовательской компании, в России 57% компаний уже внедрили решения GenAI хотя бы в одну функцию.

В целом бизнес в России и мире применяет ИИ в нескольких областях, но прежде всего в коммуникациях, как внутренних, так и в клиентском сервисе. По результатам исследования «Апекс Берг», проведенного в 2024 году, в ближайшие два года 78% российских компаний планируют внедрить ИИ-инструменты и машинное обучение в контакт-центрах. При этом в Naumen выяснили, что российский рынок диалогового ИИ (то есть решений на основе естественного языка) в период с 2019-го по 2023 год увеличился в 4 раза. В 2024 году он достиг 5,9 млрд руб. Чаще всего используются голосовые помощники.

Именно голосовые помощники, использующиеся в клиентском сервисе, и голосовые роботы для автообзвонов, сформировали бОльшую часть рынка диалогового ИИ. Кроме того, генеративные нейросети активно применяются для автоматизации IVR (голосового меню), распознавания голоса, маршрутизации клиентов. ИИ, встроенный в IVR, умеет в режиме реального времени классифицировать вопросы, заданные голосом, и перенаправлять клиента подходящему специалисту, если сам не может дать ответ.

Очень часто GenAI применяется во внутренних службах компании в части работы с корпоративной базой знаний. Созданные на его основе ИИ-ассистенты ускоряют поиск информации в базе и других источниках, формулируют ответы для клиентов, которые сотруднику на линии клиентской поддержки остается только верифицировать. Наконец, с развитием генеративных сетей они начинают уже и сами создавать новые статьи для баз знаний и генерировать другой контент: например, обучающие материалы, инструкции, диалоговые тренажеры для новых сотрудников. Это упрощает и ускоряет работу HR-менеджеров и в целом онбординг новых сотрудников и адаптацию существующих, выходящих на новые проекты.

Речевая аналитика — одно из флагманских направлений для GenAI

Один из самых ярких примеров использования GenAI в контакт-центрах — сервисы речевой аналитики. Такие ИИ-решения позволяют в несколько раз ускорить анализ коммуникаций.

Нейросети классифицируют почти неограниченное количество диалогов между специалистами КЦ и клиентами. Раньше сотрудники сами их прослушивали, а следовательно, были ограничены в объемах работы: вряд ли кто-то живой мог проанализировать более сотни звонков в день. Появление нейросетей кардинально изменило этот процесс, сняв наиболее существенные ограничения в возможностях для анализа речи.

Например, «Телфин» имеет в портфеле сервисов инструмент речевой аналитики с использованием технологии распознавания речи Yandex SpeechSense. Его можно подключить в рамках виртуальной АТС и интегрировать с CRM-системой. В таком случае он сможет анализировать все разговоры с клиентами и фиксировать результаты, которые будут легко доступны в CRM.

Анализ проводится по 28 параметрам и 30 фильтрам, при этом сервис учитывает длину диалогов, количество и продолжительность пауз. Нейросеть выделяет ключевые слова и умеет даже определять эмоциональный фон и степень эмпатии и вовлеченности собеседников в разговор.

На основе этого анализа сервис речевой аналитики формирует краткое резюме по итогам каждого звонка. Бизнес в результате получает много полезной информации, которая позволяет контролировать качество соблюдения скриптов, выявлять проблемные области в обслуживании и «боли» клиентов. Кроме того, большой пласт данных от речевой аналитики компании применяют для персонализации маркетинга, создания индивидуальных предложений, анализа основных поведенческих паттернов, свойственных целевой аудитории.

Однако не все компании уже сегодня понимают значение GenAI. Это новый инструмент, практическая ценность которого для бизнеса пока нуждается в дополнительной аргументации.

Каким бизнесам GenAI точно необходим, а какие могут подождать

Продукты на основе GenAI находят применение в разных службах компаний: не только в клиентском сервисе, но и в контент-маркетинге, HR-отделах, технической поддержке и почти любом бэк-офисе. Поэтому, как универсальное решение, они упрощают работу компаний в большинстве отраслей. Но пока наиболее востребованы именно там, где необходимо как можно быстрее автоматизировать клиентский сервис и расширить опыт клиентов, и сотрудников.

Мы видим, что компании массово предъявляют высокий спрос на чат-боты, голосовые роботы, ИИ-ассистентов для операторов контакт-центров, которые сильно сокращают время обслуживания клиентов на линии, помогая оператору быстрее найти ответ на вопрос клиента. На такие сервисы приходится большинство клиентских обращений в «Телфин».

Если работа компании лишь отчасти связана с потребностью контактировать с клиентами и в основном сконцентрирована, например, на глубокой аналитике для небольшого пула заказчиков, то, возможно, спешить с внедрением GenAI не стоит. Тем более, некоторые эксперты отмечают: у генеративного ИИ есть свои ограничения, и они могут относиться, в частности, к предиктивному анализу.

Наименьшее применение генеративный ИИ находит сегодня в тех областях деятельности, где результат критичен, например, в медицине при постановке диагноза. Дело в том, что неточность в работе нейросетей пока не удалось преодолеть. Однако в той же медицине нейросети находят широкое применение в исследовательской работе и предварительном анализе данных, которые врач получает от пациента. Условно говоря, врач опирается на рекомендации ИИ-ассистента, но не следует им полностью, вынося решение самостоятельно.

Перспективы применения GenAI в бизнес-коммуникациях

На нынешнем этапе развития нейросетей стоит ожидать повышения точности и корректности их ответов, снижения количества «ИИ-галлюцинаций», в том числе благодаря более качественным алгоритмам и промптам, которые начнут использовать разработчики сервисов. Это откроет новые возможности для повышения эффективности работы контактных центров: сейчас многие компании не готовы допускать нейросети до прямого соприкосновения с клиентами. ИИ-ассистенты пока «второй пилот» операторов. Ведь цена ошибки в бизнесе, который зависит от качества клиентского сервиса, слишком высока. Однако в перспективе это ограничение будет снято.

Еще одно ограничение для широкого внедрения сервисов GenAI — в том, что многие компании долго не были готовы инвестировать значительные средства в разработку собственных решений на его основе. Между тем, генеративный интеллект на практике часто требует кастомизации решений под индивидуальные потребности бизнеса, решение конкретных бизнес-задач (никому не нужен генеративный ИИ ради «красного словца»).

Сегодня у компаний появляется все больше возможностей для разработки собственных GenAI-решений: на это влияет быстрое развитие рынка open source, No- и Low-code-систем. Это исключает необходимость для бизнеса обладать высокой экспертизой в ИТ и формировать дорогостоящие отделы для разработки, например, чат-ботов, с учетом особенностей внутренних бизнес-процессов.

Риски бизнеса при внедрении GenAI

Основной риск связан с обеспечением кибербезопасности. При реализации проектов по внедрению ИИ-решений многие компании выбирают облачную инфраструктуру. Это чаще всего сильно ускоряет пилотные проекты, а в ряде случаев обходится бизнесу дешевле. Однако нужно помнить о безопасности данных и взвесить все за и против при выборе между проектом в облаке и в собственном ИТ-контуре компании.

Второй риск при внедрении GenAI — приобрести лишь имитацию такого решения, работающую на основе только заранее прописанных сценариев. Такие сервисы в контактных центрах могут разочаровать клиентов и вызывать недовольство. Действительно: человек рассчитывает на диалог с настоящим ИИ и ожидает от него гибкости в ответах, а получает набор заготовленных. Это сразу «считывается» и оставляет неприятный осадок от взаимодействия.

С другой стороны, не стоит забывать о том, что генеративные нейросети могут «придумывать» ответы на вопросы и даже изобретать факты. В этом их основной недостаток, требующий осторожности в использовании.

Избежав распространенных рисков, компании, использующие GenAI в своих коммуникациях, получают уникальную возможность изменить в лучшую сторону опыт как клиентов, так и сотрудников. Также важно, что возможности генеративного интеллекта могут позволить бизнесу создать одновременно и максимально автоматизированный, и индивидуальный сервис. Не исключено, что нас ждут времена, когда компании научатся создавать чат-ботов, которые будут вести «душевные разговоры» с клиентами.